【制造业成功案例】无人工厂的下一步，排产也能“无人化”？

（本文阅读时间：7分钟）

纵观制造业发展数百年，产业对“人工”的要求从少到对，如今又向“少”甚至是“无”发展。手工作坊时代，完成从原材料进货到生产、加工、销售的全过程只需要一个人或少数几个人；机械生产时代，工厂进行集约化生产，负责不同环节的工人能够井然有序地在流水线上完成自己的工作。近年来，越来越多类似“无人仓库”、“无人工厂”等无需人工干预的生产模式不断涌现。无人化生产中，生产管理计划是否合理、灵活、高效，就成为提升整体效率和产量的关键。

面对生产规模逐步扩大，产线、生产资料背后的关联纷繁复杂，市场动态瞬息万变，即使是非常有经验的管理人员也难以仅靠经验制定出最合理的生产管理计划。企业决策模式急需从“以人为核心”转变为“以数据和算法为核心”，“智能决策”的概念也因此诞生。

1

从感知到决策，让数据和算法能真正“拍板”

对于智能决策来说，最离不开的就是机器学习和运筹优化。其中，机器学习可以通过深度学习和强化学习等算法来实现对未来的预测，预测的效果和输入的数据量息息相关，对于结果的可解释性较差；而运筹优化则是将具体问题进行抽象建模，得出在满足一定约束条件下的最优解，对结果的可解释性较强，通常被用在规划、调度、协同类问题，如排班、排产、配货等场景当中。

在智能决策被使用之前，通过数据来支持的操作自动化和流程信息化，已经可以为决策者提供较强的支持，但最终的“拍板”权力依然依赖于决策者自身的长期经验。在此阶段，机器学习等技术起到的作用还是取代大量的体力劳动，而对于做决策这类脑力劳动的替代还存在较大的提升空间。

但在下一阶段的智能决策时代，哪怕是重要决策，也将由数据和算法先给到一个考虑到各种约束后的最优结果，在此之上，再由人工根据经验和场景加以微调，而大多数的简单决策则能够完全交由算法和模型来完成。

未来能否让模型和算法代替人类做出决策？对此，成立于2016年的杉数科技给出了自己的答案：它并没有走主流智能企业的老路，而是选择从智能决策入手，通过深层次的数据优化算法和复杂决策模型的求解能力，凭借与微软建立的合作伙伴关系和微软提供的云服务能力，打造“计算引擎+决策技术中台+业务场景”的端到端智能决策技术平台，为企业提供灵活、轻便、高效的决策优化服务。

2

用算法规划排产，两个引擎实现全局优化协同

对于制造业来说，由于产业链分工的不断细化，生产流程也在不断拉长，需要做决策的环节也在逐渐增加。以杉数科技服务的某消费电子产业头部客户为例，由于产品所需的零配件众多，数百家工厂遍布全球，每个工厂都有各自的生产分工，涉及不同的产品和配件，对整体的协同排产提出了很高的要求。

在与杉数科技合作之前，该客户使用的排产系统仅能在单个工厂范围内进行优化运营，根据单个工厂中设备和物料的具体情况安排生产计划。但随着供应链和市场需求的不确定性增加，该排产系统无法在多个工厂之间进行排产联动，就会造成环环相扣的生产链出现各种问题，导致预计的产出、收益与实际的偏差很大。而要想做到在整个链条上进行连贯生产，就需要把几百家工厂放在一起做排产规划，其难度不是简单的线性相加，而是指数级地增长，单纯依靠人力几乎不可能完成。

而以上这些问题，不仅是该消费电子客户面临的难题，也是很多制造业企业生产运营状况的真实写照。对此，杉数科技对生产流程和业务场景进行了深入研究分析，仔细打磨每个环节的方案设计，最终为客户构建了智能决策平台，使得决策的质量和速度得到有效提升。

对于该智能决策平台来说，其核心是两种不同功能的“引擎”。当杉数科技在第一期为该客户打造“多工厂协同排产引擎”之后，就已经可以通过考虑全套复杂约束来实现一次性排产，用全局最优解替代生硬的规则式输出，在规定时间内完成满足复杂业务优先级下的最优生产计划与物料分配；第二期时推出的“原材料及半成品库存优化引擎”，则可以通过分析产品的历史销售特征，输出对未来需求预测和统计特征，进而判断最合适的库存策略，以最少的安全库存代价，达到期望的需求满足率，从而确定不同物料在不同节点的最优安全库存水平。

通过使用杉数科技提供的智能决策平台，并考虑到产线、产能、物料供应等大量约束条件，求解出可执行的决策，该客户最终实现了订单满足率提升20%，产能损失率降低30%，人工排产干预降低70%，仿真速度提升1.5倍。同时，当遇到“急单、插单”等突发状况时，智能决策平台也可以快速敏捷地做出生产计划的调整，自动迭代调整下一期排产计划的模型参数，不需要再经过人工层层统计和协商，将生产计划的整体影响降到最低。

当然，解决了多个工厂之间的联动排产问题后，单个工厂的排产自然也不在话下。杉数科技为某3C电子的灯塔工厂定制的智慧排产系统，就能通过智能决策来动态控制库存水位、统筹平衡物料供应和车间整体资源等，使得计划排产的效率提升了80%，非常规产品库存积压天数缩短了57%，为客户实现了每年千万级别的成本节约。

3

自主研发求解器，高性能求解实现运筹帷幄

智能决策里的“智能”二字，体现在“建模+求解”的过程之中，而“决策”的本质则是一种资源分配。通过把企业面临的问题梳理出来，经过建模转换成数学上的表达，在满足约束的条件下求得最优解供企业使用，就是智能决策的本质意义。

这看似简单明了的过程，背后面临的难度却非常大。在建模阶段，模型的输入数据来自于产能、物料等信息，而不同环节需要满足的约束条件则更多，其中还涉及到大量非线性的优化计算，在这个过程中，就需要使用求解器来进行计算。

作为一款工业软件，求解器在能源、军事、航空、金融、电网、工业制造等关键领域中都起到重要的作用，时至今日，仍有很多企业需要使用求解器来做运营方面的支持，甚至不惜花费高价去购买国外的求解器。而经过多年的努力，杉数科技自主研发的杉数求解器COPT（Cardinal Optimizer）已经达到国际一流水准，可以针对大规模优化问题进行高效数学规划求解，是同时具备大规模混合整数规划、线性规划、二阶锥规划、半定规划以及凸二次规划和凸二次约束规划问题求解能力的综合性能数学规划求解器，为企业应对高性能求解的需求提供了更多选择。

而在各行各业都在进行数字化转型的新时代，企业对智能决策等新兴技术的理解和应用，不仅是对技术工具的全面迭代，更是产业进一步发展的大势所趋。

自成立以来，杉数科技也一直是微软的解决方案服务合作伙伴，此前在零售行业已与微软进行过多次合作，并且基于微软的云计算能力，使得杉数科技在服务跨国公司时产生了更大的优势。随着近两年在制造业领域的不断发力，杉数科技还将利用更多的微软云服务，为客户提供更好的解决方案，带来更高收益。在此过程中，利用求解器技术和以此为基础打造的智能决策能力，外加丰富的行业落地经验，杉数科技将为各类行业客户提供极致的产品和解决方案，为企业未来的数智化转型之路提供强大的支撑。

原文标题：【制造业成功案例】无人工厂的下一步，排产也能“无人化”？

文章出处：【微信公众号：微软科技】欢迎添加关注！文章转载请注明出处。